基于随钻参数的岩石强度快速智能预测方法研究  

作　　者：刘昆珏 谭强 胡朝赟 张松涛 李白雨 

机构地区：[1]云南省建设投资控股集团有限公司,云南昆明650501

出　　处：《中文科技期刊数据库（全文版）自然科学》2024年第12期167-172,共6页

基　　金：云南省重大科技专项计划项目(202102AD080003),基于5G和人工智能的数字公路施工运维关键技术研究与示范

摘　　要：岩石强度的准确预测对于隧道围岩分级至关重要,直接影响隧道支护设计、施工安全以及维护成本等。传统的岩石强度评估方法如实验室测试,存在着费用高、速度慢的局限性。为此,本文提出了一种基于随钻参数的岩石强度预测模型,该模型结合了主成分分析PCA(Principal Component Analysis)和BP神经网络(Back Propagation Neural Network),旨在提高岩石强度预测的精度和实时性。研究采用小波阈值去噪方法处理随钻参数数据,利用主成分分析进行数据降维,并将主成分输入BP神经网络进行训练和预测。通过在云南蔓金高速草果山特长隧道施工中的应用,实验结果表明,PCA-BP神经网络模型的预测准确率达到92%,显著高于单独使用BP神经网络的82%。该模型能够有效提高岩石强度预测的精度,优化钻井参数,降低施工成本,提升施工安全性,并推动隧道施工的智能化进程。

关 键 词：随钻参数 主成分分析 BP神经网络 强度预测 

分 类 号：TU45[建筑科学—岩土工程]